实验报告四图像锐化处理
图像的平滑与锐化
昆明理工大学（数字图像处理）实验报告实验名称：图像的平滑与锐化专业：电子信息科学与技术姓名：学号：成绩：[实验目的]1、理解图像平滑与锐化的基本原理。
2、掌握图像滤波的基本定义及目的。
3、理解空间域滤波的基本原理及方法。
4、编程实现图像的平滑与锐化。
[实验原理]空间滤波器都是基于模板卷积，其主要工作步骤是：1)将模板在图中移动，并将模板中心与图中某个像素位置重合；2)将模板上的系数与模板下对应的像素相乘；3)将所有乘积相加；4)将和（模板的输出响应）赋给图中对应模板中心位置的像素。
1、图像的平滑目的：减少噪声方法：空域法：邻域平均法、低通滤波、多幅图像求平均、中值滤波（1）邻域平均(均值滤波器)所谓的均值滤波是指在图像上对待处理的像素给一个模板，该模板包括了其周围的邻近像素。
将模板中的全体像素的均值来替代原来的像素值的方法。
（2）中值滤波（统计排序滤波）一般地 , 设有一个一维序列 f1 , f2 , f3 ,…, fn ,取该窗口长度(点数)为 m (m为奇数 ),对一维序列进行中值滤波,就是从序列中相继抽取m 个数 fi-v , … , fi-1, fi,fi+1 , … , fi+v;其中 fi 为窗口的中心点值 ,v = ( m - 1 )/ 2 。
再将这 m 个点 值按 其数值大小排序,取中间的 那个数作为滤波输出 ,用数学公式表示为:yi = med fi-v,…,fi-1,fi,fi+1,…,fi+v其中i ∈Z,v=(m-1)/2 。
中值滤波一般采用一个含有奇数个点的滑动窗口,将窗口中各点灰度值的中值来替代指定点(一般是窗口的中心点)的灰度值。
二维中值滤波可有下式表示 :yi = med { fij }中值滤波的性质有 :(1) 非线性 , 两序列 f ( r ) , g ( r )med{ f ( r ) + g ( r ) } ≠ med{ f ( r ) } + med{ g ( r ) }(2) 对尖峰性干扰效果好,即保持边缘的陡度又去掉干扰,对高斯分 布噪声效果差;(3) 对噪声延续距离小于W/2的噪声抑制效果好,W 为窗口长度。
图像锐化算法实现
算法原理：通过将图像分解成多个频带，对每个频带进行滤波处理，再合并处理后的频带得到 锐化图像。
算法特点：能够更好地保留图像细节，提高图像清晰度，适用于各种类型的图像。
算法步骤：频带分解、滤波处理、频带合并、锐化图像。
算法应用：广泛应用于图像处理领域，如医学影像、遥感图像、安全监控等。
算法原理：根据图像局部特性自适 应调整滤波器系数，以提高图像边 缘清晰度
优点：对噪声具有较好的鲁棒性， 能够自适应地处理不同场景下的图 像锐化
添加标题
添加标题
常用实现方法：Laplacian、 Unsharp Masking等
添加标题
添加标题
适用场景：适用于各种类型的图像， 尤其适用于存在噪声和模糊的图像
图像锐化的实现步 骤
将彩色图像转换为灰度图像 增强图像对比度 突出图像边缘信息 减少图像数据量，加速处理速度
边缘检测是图像 锐化的重要步骤， 通过检测图像中 的边缘信息，可 以对图像进行清 晰化处理。
常见的边缘检测 算法包括Sobel、 Prewitt、Canny 等，这些算法通 过不同的方式检 测图像中的边缘 信息。
在边缘检测之后， 通常需要进行阈 值处理，将边缘 信息与阈值进行 比较，保留重要 的边缘信息，去 除不必要的噪声。
经过边缘检测和 阈值处理后，可 以对图像进行锐 化处理，使其更 加清晰。
对图像进行滤波处理，去除噪声和干扰 选择合适的滤波器，如高斯滤波器、中值滤波器等 对滤波后的图像进行锐化处理，增强边缘和细节 可根据实际需求选择不同的滤波器和参数，以达到最佳效果
对图像进行滤波处理，去除噪声 对图像进行边缘检测，突出边缘信息 对图像进行对比度增强，提高图像的清晰度 对图像进行细节增强，增强图像的纹理和细节信息
系统实验(DSP)--图像的锐化处理、图像的边缘检测
DSP 实验报告一、 图像的锐化处理（高通滤波处理）1、 实验原理处理模板如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--+--=004100αααααM 25.0=α 对应数学表达式：()[])1,(),1()1,(),1(),(41),(++++-+--+=y x f y x f y x f y x f y x f y x g αα2、 C 程序及运行结果程序：Acute_RGB_Image(int *buffer){int x,y;for (y=0;y<ImageHeight;y++)for (x=0;x<ImageWidth;x++){buffer[y*ImageWidth+x]=2*buffer[y*ImageWidth+x]-(buffer[y*ImageWidth +x-1]+buffer[(y-1)*ImageWidth+x]+buffer[y*ImageWidth+x+1]+buffer[(y+1)*ImageWidth+x])/4;if(buffer[ImageWidth*y+x]>255)buffer[ImageWidth*y+x]=255;else if (buffer[ImageWidth*y+x]<0)buffer[ImageWidth*y+x]=0;}}运行结果：锐化前锐化后分析：从上面两幅图可以看出锐化后的图像轮廓变得明显，且噪声变得强烈。
3、汇编程序及运行结果程序：ImageAcuteSub(ImageWidth,ImageHeight,buffer_red);ImageAcuteSub(ImageWidth,ImageHeight,buffer_green);ImageAcuteSub(ImageWidth,ImageHeight,buffer_blue);.mmregs.def _ImageAcuteSub.text_ImageAcuteSub:mov t0,brc1 ;IMAGE WIDTHmov t1,brc0 ;IMAGE HEIGHTrptb y_looprptb x_loopmov *ar0(#1),ac1;f(x+1,y)add *ar0(#-1),ac1 ;f(x-1,y)add *ar0(#-250),ac1 ;f(x,y-1)add *ar0(#250),ac1 ;f(x,y+1)sfts ac1,#-2mov *ar0<<#1,ac0;2f(x,y)sub ac1,ac0bcc branch1,ac0<0sub #255,ac0,ac1bcc branch2,ac1>0mov ac0,*ar0+b x_loopbranch1: mov #0,*ar0+b x_loopbranch2: mov #255,*ar0+x_loop: nopy_loop: nopRET运行结果：锐化前 锐化后分析：可以看出汇编的结果和C 程序的结果是一致的。
数字图像处理实验报告
目录实验一：数字图像的基本处理操作 (4)：实验目的 (4)：实验任务和要求 (4)：实验步骤和结果 (5)：结果分析 (8)实验二：图像的灰度变换和直方图变换 (9)：实验目的 (9)：实验任务和要求 (9)：实验步骤和结果 (9)：结果分析 (13)实验三：图像的平滑处理 (14)：实验目的 (14)：实验任务和要求 (14)：实验步骤和结果 (14)：结果分析 (18)实验四：图像的锐化处理 (19)：实验目的 (19)：实验任务和要求 (19)：实验步骤和结果 (19)：结果分析 (21)实验一：数字图像的基本处理操作：实验目的1、熟悉并掌握MATLAB、PHOTOSHOP等工具的使用；2、实现图像的读取、显示、代数运算和简单变换。
3、熟悉及掌握图像的傅里叶变换原理及性质，实现图像的傅里叶变换。
：实验任务和要求1.读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。
2.对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。
3.对一幅图像进行平移，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与平移后傅里叶频谱的对应关系。
4.对一幅图像进行旋转，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与旋转后傅里叶频谱的对应关系。
：实验步骤和结果1.对实验任务1的实现代码如下：a=imread('d:\');i=rgb2gray(a);I=im2bw(a,;subplot(1,3,1);imshow(a);title('原图像');subplot(1,3,2);imshow(i);title('灰度图像');subplot(1,3,3);imshow(I);title('二值图像');subplot(1,3,1);imshow(a);title('原图像');结果如图所示：图原图及其灰度图像，二值图像2.对实验任务2的实现代码如下：a=imread('d:\');A=imresize(a,[800 800]);b=imread('d:\');B=imresize(b,[800 800]);Z1=imadd(A,B);Z2=imsubtract(A,B);Z3=immultiply(A,B);Z4=imdivide(A,B);subplot(3,2,1);imshow(A);title('原图像 A'); subplot(3,2,2);imshow(B);title('原图像 B'); subplot(3,2,3);imshow(Z1);title('加法图像'); subplot(3,2,4);imshow(Z2);title('减法图像'); subplot(3,2,5);imshow(Z3);title('乘法图像'); subplot(3,2,6);imshow(Z2);title('除法图像');结果如图所示：3.对实验任务3的实现代码如下：s=imread('d:\');i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j); %直流分量移到频谱中心I=log(abs(k)); %对数变换m=fftshift(j); %直流分量移到频谱中心RR=real(m); %取傅里叶变换的实部II=imag(m); %取傅里叶变换的虚部A=sqrt(RR.^2+II.^2);A=(A-min(min(A)))/(max(max(A)))*255;b=circshift(s,[800 450]);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);I=log(abs(e));f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.^2+ZZ.^2);B=(B-min(min(B)))/(max(max(B)))*255;subplot(2,2,1);imshow(s);title('原图像');subplot(2,2,2);imshow(uint8(b));title('平移图像');subplot(2,2,3);imshow(A);title('离散傅里叶变换频谱');subplot(2,2,4);imshow(B);title('平移图像离散傅里叶变换频谱');结果如图所示：4.对实验任务4的实现代码如下：s=imread('d:\');i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j);I=log(abs(k));m=fftshift(j);RR=real(m);II=imag(m);A=sqrt(RR.^2+II.^2);A=(A-min(min(A)))/(max(max(A)))*255;b=imrotate(s,-90);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);I=log(abs(e));f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.^2+ZZ.^2);B=(B-min(min(B)))/(max(max(B)))*255;subplot(2,2,1);imshow(s);title('原图像');subplot(2,2,2);imshow(uint8(b));title('平移图像');subplot(2,2,3);imshow(A);title('离散傅里叶频谱');subplot(2,2,4);imshow(B);title('平移图像离散傅里叶频谱');结果如图所示：：结果分析对MATLAB软件的操作开始时不太熟悉，许多语法和函数都不会使用，写出程序后，调试运行，最开始无法显示图像，检查原因，是有些标点符号没有在英文状态下输入和一些其他的细节，学会了imread()，imshow()，rgb2gray（）等函数。
图像锐化报告
一，实验目的。
1、掌握图像锐化的主要原理和常用方法2、掌握常见的边缘提取算法3、利用C#实现图像的边缘检测二，实验原理。
图像锐化就是补偿图像的轮廓,增强图像的边缘及灰度跳变的部分,使图像变得清晰，亦分空域处理和频域处理两类。
图像平滑往往使图像中的边界、轮廓变的模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。
图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。
从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。
在水下图像的增强处理中除了去噪，对比度扩展外，有时候还需要加强图像中景物的边缘和轮廓。
而边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观地想到用灰度的差分对边缘和轮廓进行提取。
图像边缘锐化的基本方法：微分运算，梯度锐化，边缘检测。
微分运算微分运算应用在图像上，可使图像的轮廓清晰。
微分运算有：纵向微分运算，横向微分运算，双方向一次微分运算。
单向微分运算双向微分微分运算作用：相减的结果反映了图像亮度变化率的大小。
像素值保持不变的区域，相减的结果为零，即像素为黑；像素值变化剧烈的区域，相减后得到较大的变化率，像素灰度值差别越大，则得到的像素就越亮，图像的垂直边缘得到增强。
梯度锐化： 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像鋭化技术，使边缘变得清晰。
梯度锐化常用的方法有：直接以梯度值代替；辅以门限判断；给边缘规定一个特定的灰度级;给背景规定灰度级;根据梯度二值化图像。
边缘检测边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，通常也包括方向的确定。
大多数是基于方向导数模板求卷积的方法。
将所有的边缘模板逐一作用于图像中的每一个像素，产生最大输出值的边缘模板方向,表示该点边缘的方向，如果所有方向上的边缘模板接近于零，该点处没有边缘；如果所有方向上的边缘模板输出值都近似相等，没有可靠边缘方向。
实验报告-图像锐化
lWidth=m_BmpInfo.bmiHeader.biWidth;
lHeight=m_BmpInfo.bmiHeader.biHeight;
//分配内存，以保存新DIB
hDIB=GlobalAlloc(GHND,nBytePerLine*lHeight);
//判断是否内存分配失败
if(hDIB==NULL)
3．编写图像锐化的彩色图像灰度化，Sobel算法锐化，图像二值化处理相关的程序代码。
4．对程序进行相关调试，修改程序，去除其中的BUG。
5.利用自己准备的图像的文件和编写的程序，进行图像锐化处理。
6．截屏，保留实验结果，进行实验结果分析，并撰写实验报告。
三、相关背景知识
（写你自己觉得比较重要的与本实验相关的背景知识）
+ 0*val21+ 0*val22+ 0*val32
+ 1.0*val11+ 2.0*val12+ 1.0*val13;
//计算梯度的大小
Sobel=sqrt(gx*gx+gy*gy);
*(pImageDataNew+j*nBytePerLine+i* 3 + 0) =int(Sobel);
*(pImageDataNew+j*nBytePerLine+i* 3 + 1) =int(Sobel);
lHeight=m_BmpInfo.bmiHeader.biHeight;
for(intj= 0 ;j<lHeight;j++)
{
for(inti= 0 ;i<lWidth;i++)
{
//灰度化临时值
系统实验(DSP)--图像的锐化处理、图像的边缘检测
系统实验(DSP)--图像的锐化处理、图像的边缘检测DSP 实验报告一、 图像的锐化处理（高通滤波处理）1、 实验原理处理模板如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--+--=004100αααααM 25.0=α对应数学表达式：()[])1,(),1()1,(),1(),(41),(++++-+--+=y x f y x f y x f y x f y x f y x g αα2、 C 程序及运行结果程序：Acute_RGB_Image(int *buffer){int x,y;for (y=0;y<ImageHeight;y++)for (x=0;x<ImageWidth;x++){buffer[y*ImageWidth+x]=2*buffer[y*ImageWidth+x]-(buffer[y*ImageWidth+x-1]+buffer[(y-1)*ImageWidth+x]+buffer[y*ImageWidth+x+1]+buffer[(y+1)*ImageWidth+x])/4;if(buffer[ImageWidth*y+x]>255)buffer[ImageWidth*y+x]=255;else if (buffer[ImageWidth*y+x]<0)buffer[ImageWidth*y+x]=0;}}运行结果：锐化前锐化后分析：从上面两幅图可以看出锐化后的图像轮廓变得明显，且噪声变得强烈。
3、汇编程序及运行结果程序：ImageAcuteSub(ImageWidth,ImageHeight,buffer_red);ImageAcuteSub(ImageWidth,ImageHeight,buffer_green);ImageAcuteSub(ImageWidth,ImageHeight,buffer_blue);.mmregs.def _ImageAcuteSub.text_ImageAcuteSub:mov t0,brc1 ;IMAGE WIDTHmov t1,brc0 ;IMAGE HEIGHTrptb y_looprptb x_loopmov *ar0(#1),ac1;f(x+1,y)add *ar0(#-1),ac1 ;f(x-1,y)add *ar0(#-250),ac1 ;f(x,y-1)add *ar0(#250),ac1 ;f(x,y+1)sfts ac1,#-2mov *ar0<<#1,ac0;2f(x,y)sub ac1,ac0bcc branch1,ac0<0sub #255,ac0,ac1bcc branch2,ac1>0mov ac0,*ar0+b x_loopbranch1: mov #0,*ar0+b x_loopbranch2: mov #255,*ar0+ x_loop: nopy_loop: nopRET运行结果：锐化前 锐化后分析：可以看出汇编的结果和C 程序的结果是一致的。
关于图形图像处理实训报告总结【九篇】
关于图形图像处理实训报告总结【九篇】实训报告总结：图形图像处理实训图形图像处理实训是计算机科学与技术专业的基础课程之一。
通过本次实训课程，我深入了解了图形图像处理的基本概念、方法和技术，并通过实际操作来提升了自己的实践能力。
下面是对本次实训的九篇报告总结：1. 实验一：图像读取与显示本次实验主要是学习如何读取和显示图像，以及使用Matplotlib库进行图像展示。
通过实验，我掌握了图像读取和显示的基本方法，并学会了基本的图像处理操作。
2. 实验二：图像的灰度变换实验二主要是学习图像的灰度变换，包括线性变换和非线性变换。
我学会了如何使用不同的灰度变换函数来调整图像的亮度和对比度，进一步提升图像的质量。
3. 实验三：图像的空间域滤波本次实验主要是学习图像的空间域滤波技术，包括均值滤波、中值滤波和高斯滤波等。
通过实验，我掌握了不同滤波方法的原理和实现方式，并学会了如何选择合适的滤波方法来降噪和模糊图像。
4. 实验四：图像的频域滤波实验四主要是学习图像的频域滤波技术，包括傅里叶变换和频域滤波等。
通过实验，我了解了傅里叶变换的原理和应用，并学会了如何使用频域滤波来实现图像的锐化和平滑。
5. 实验五：图像的形态学处理本次实验主要是学习图像的形态学处理技术，包括腐蚀、膨胀、开运算和闭运算等。
通过实验，我学会了如何使用形态学操作来改变图像的形状和结构，进一步改善图像的质量。
6. 实验六：图像的边缘检测实验六主要是学习图像的边缘检测技术，包括Sobel算子、Laplacian算子和Canny算子等。
通过实验，我了解了不同边缘检测方法的原理和应用，并学会了如何使用边缘检测来提取图像的轮廓和特征。
7. 实验七：图像的分割与聚类本次实验主要是学习图像的分割与聚类技术，包括阈值分割、区域生长和K均值聚类等。
通过实验，我掌握了不同分割与聚类方法的原理和应用，并学会了如何使用分割与聚类来识别和分析图像中的目标和区域。
8. 实验八：图像的特征提取与描述子实验八主要是学习图像的特征提取和描述子技术，包括尺度不变特征变换（SIFT）和方向梯度直方图（HOG）等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
姓名：学号：班级：
实验日期：实验成绩：
一．实验目的
（1）学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子、Sobel算子设计，使图
像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。
（2）分析模板大小对空域锐化滤波的影响，比较不同滤波器的处理效果，分析其优缺点。
二．实验原理
锐化处理的主要目的是突出灰度的过度部分，在空间域中，均值滤波类似于积分，那锐化滤波类似于微分，微分算子的响应程度与图像在用算子操作的这一点突变程度成正比，图像积分模糊了图像，同时起到了消除噪声的作用；图像微分增强边缘和其它突变（如噪声），而削弱灰度变换缓慢的区域，laplacian算子类似于二阶微分，强调的是图像灰度级剧烈变换的部分，而sobel算子类似于一阶微分，强调的是图像灰度级缓慢变化的部分。
三．实验内容及结果
（1）选择一副图像，分别使用拉普拉斯算子、sobel算子对图像进行锐化滤波，并观察滤波效果。
图 1 laplacian及sobel算子处理图像
（2）选择一副图像，构造一个中心系数为-24的5×5的类似于拉普拉斯模板对图像进行锐化，与上述拉普拉斯算子的结果相比，是否能得到更加清晰的结果？
图 2 不同大小laplacian模板处理原图及二值图
四．结果分析
（1）观察图一，可以发现对原图进行sobel算子运算后，原图阶梯的边缘细节被突显出来了，而每个阶梯灰度级保持不变的背景则没了，全变黑了，而对原图进行laplacian算子运算后，边缘部分则只剩下些杂乱无章的点了，基本是在sobel算子运算过后筛选出来的缓慢突变边缘上的一些突变更快的点。
如果把sobel算子比作是一阶微分就不难理解它是对原图的缓慢边缘变化部分，而把laplacian算子比作是二阶微分的话，就是原图的剧烈突变部分，由于原图像的阶梯边缘在灰度级上是缓慢过度的，所以使用sobel算子边缘的突出效果更明显，而laplacian算子无论模板大小为多大，都不能清晰的显示出边缘。
至于背景为什么会变黑是因为算子模板中有负因子，当计算的出来的值为负数时，自动标定其为0，也就是黑色。
（2）观察图二，可以发现对原图使用无论多大的laplacian模板，效果都很差，原因就是上述提到的原图像的边缘灰度级是缓慢变化的，对原图灰度级二值化处理，由于灰度值大小只有0和1两个值，阶梯边缘两边的值分别为0和1，这样边缘突变就成了一个单位的剧烈突变，所以3*3的laplacian算子效果就和上述的sobel算子效果相似，而当增加laplacian算子的大小到5*5时，边缘检测效果更加明显。
正印证了微分算子的响应程度与图像在用算子操作的这一点突变程度成正比这一原理。
五、实验总结
本次实验主要是进一步加深fspecial构造算子模板的功能以及imfilter滤波函数的运用，本次实验比较简单，主要就是体会一下两种算子对图像锐化的作用，感受sobel算子和laplacian算子对边缘检测的作用。
附录（程序）
A=imread('F:\数字图像处理\图片\');
thresh=graythresh(A);%使用最大类间方差法找到图片的一个合适的阈值（thresh）
B=im2bw(A,thresh);%二值图
h1=fspecial('laplacian');%拉普拉斯算子，模板默认大小为 3*3
h2=fspecial('sobel');%sobel算子，模板默认大小为 3*3
h3=zeros(5,5);%先构造模板大小规格为5*5
for i=1:5
for j=1:5
if(i==3&j==3)
h3(i,j)=-24;%模板中间元素为-24
else
h3(i,j)=1;%模板其它元素为1
end
end
end
A1=imfilter(A,h1);
A2=imfilter(A,h2);
A3=imfilter(A,h3);
A4=imfilter(B,h1);
A5=imfilter(B,h3);
subplot(2,2,1);imshow(A);title('原图');
subplot(2,2,2);imshow(A1);title('laplacian3*3');
subplot(2,2,3);imshow(A2);title('sobel3*3');
hold on;
figure;
subplot(2,3,1);imshow(A);title('原图');
subplot(2,3,2);imshow(A1);title('原图laplacian3*3');
subplot(2,3,3);imshow(A3);title('原图laplacian5*5');
subplot(2,3,4);imshow(B);title('二值图');
subplot(2,3,5);imshow(A4);title('二值图laplacian3*3'); subplot(2,3,6);imshow(A5);title('二值图laplacian5*5');。